点云补全指利用不完整点云数据重建完整三维模型的过程。现有的大多数点云补全方法受点云无序性和不规则性影响，难以有效地重建局部细节信息，进而影响补全精度。为解决这个问题，提出基于注意力的多阶段点云补全网络。设计了满足置换不变性的金字塔式点云特征提取器以建立局部内点间的依赖以及不同局部间的相关性，在提取全局特征信息的同时加强对局部特征信息的提取。在点云重建过程中，采用由粗到精的方式，首先生成一个低分辨率的种子点云，然后逐步丰富种子点云的局部细节，得到更加精细且稠密的点云。在公开数据集PCN下进行的对比实验结果证明了所提网络能够有效重建局部细节信息，与现有方法相比，在补全精度上提升了至少5.98%。消融实验结果也进一步验证了所提注意力模块的有效性。

在基于结构光的双目三维人脸重建中，容易丢失细节处数据和建模精度较低，导致三维人脸数据完整度不高，对三维人脸识别较差。本文研究了基于红外条纹的双目三维照相机系统，通过投射红外条纹结构光，根据相移法将生成包裹相位，利用三频法得到绝对相位，生成视差图，得到三维人脸模型。实验表明，基于红外的哑铃规球心测距误差在 0.1%以内，人脸精度在 0.1mm内。在眼睛，眉毛等弱纹理区数据缺失较少，优于基于可见光的三维建模，并且人脸模型更平滑更能反映人脸的真实三维形状。通过对比投射红外与可见光的性能，为三维人脸重建未来研究分析提供技术和算法上的参考。

摄像机标定是结构光三维传感技术中联系测量系统内外参数与三维坐标之间的重要环节。基于灰度信息提取特征点的摄像机标定方法易受图像噪声、对比度等因素的影响。提出一种基于绝对相位靶（APT）的摄像机标定方法，采用时间相位展开算法计算绝对相位，提取相位值为4π整数倍的特征点，采用局部窗口最小二乘拟合算法计算特征点的精确亚像素坐标，进而建立特征点的图像坐标与世界坐标的对应关系。通过仿真实验，分析不同高斯噪声和模糊条件下摄像机参数的绝对误差变化，发现相对于传统的棋盘格和圆点标定法，所提APT标定法对图像噪声和模糊具有更好的鲁棒性，且具有更高的标定精度。真实的对比实验显示，APT标定方法的标定精度优于棋盘格和圆点标定法，尤其在“离焦”（标靶处于相机有效工作距离之外）情况下可将重投影误差降低58.68%，证明了APT标定方法的有效性和可行性。

相位展开作为三维(3D)测量技术中的关键环节,其解析精度直接影响3D建模的精度。由于存在欠采样和相位不连续等问题,故传统空间相位展开难以得到正确的相位信息,而时间相位展开又需要额外的信息辅助。针对复杂场景中的3D人脸建模,提出了基于多尺度注意力机制的相位展开网络。在所提网络中,利用编码器-解码器结构融合多尺度特征,并在解码网络中嵌入注意力子网络以获取上下文信息。构建一个包含5000组样本的FACE数据集和一个包含100组样本的MASK数据集,每组样本均包含截断相位和连续相位的真值,这些真值可用于相位展开的训练及测试。所提网络在FACE数据集和MASK数据集上的均方根误差分别为0.0387 rad和0.0273 rad,结构相似性分别为0.9850和0.9793。在欠采样、相位不连续等区域中,所提网络可快速准确地提取相位特征,进而保证了相位展开的正确性。最后,通过对比实验证实了所提网络的有效性和可行性。

二值条纹投影图像在高速、高精度的三维面形测量领域应用广泛,而提高二值编码条纹的正弦性对于提高三维面形的测量精度具有积极意义。传统及改进的误差扩散核多采用普适的扩散核对条纹图像进行二值编码,较少考虑图像特征与投影离焦程度对相位提取精度的影响。首先利用遗传算法的思想来寻求更佳的误差扩散核系数,然后通过线性拟合来构建与离焦程度以及正弦条纹周期相关的优化目标函数,最后得到优化二值编码条纹正弦性的误差扩散核。仿真和实验分析结果表明,在不同尺寸的窗口下,不同周期有最小相位误差的误差扩散核且它们各不相同,证实扩散核对图像的二值编码质量与图像特征有关。实验进一步证明,大中小三种离焦程度下,所提算法的相位误差较普适的Floyd-Steinberg扩散法可分别减小43.86%、64.37%和50.10%,所提算法的相位误差较改进的Floyd-Steinberg扩散法可分别减小13.51%、18.48%和17.65%。

设计由两个红外相机和一个紧凑散斑结构光投射器构成的三维人脸采集系统,可根据采集精度和运算效率的折衷配置采集散斑图像。散斑模板固定在垂直于投射器光轴的齿轮上,使用齿轮机构驱动散斑模板作旋转运动,使用波长为735 nm的LED照亮散斑,在测量空间中形成时间和空间上互不相关的散斑编码结构光图案,采用时空相关立体匹配算法实现人脸三维重建。通过理论分析和实验验证散斑模板的旋转角度对测量精度的影响,进而确定最佳的旋转角度。采用德国ATOS高精度工业3D扫描仪获取人脸面具三维数据并将其作为真值,同时测试真实人脸的三维采集效果。实验结果表明,当投射散斑数量为5时,三维重建的平均误差为0.063 mm,误差标准差为0.111 mm。

点云是一种重要的三维表达方式,在计算机视觉和机器人领域都有着广泛的应用。由于真实应用场景中存在遮挡和采样不均匀等情况,传感器采集的目标物体点云形状往往是不完整的。为了提取点云的特征和补全目标点云,提出了一种基于多分支结构的点云补全网络。编码器从输入信息中提取局部特征和全局特征,解码器中的多分支结构将提取的特征转换成点云,以得到目标物体完整的点云形状。在ShapeNet和KITTI数据集以及不同残缺比例、不同几何形状的情况下进行实验,结果表明,本方法可以很好地补充目标缺失的点云,得到完整、直观、真实的点云模型。

正弦结构光场普遍应用于精密光学的三维测量,其正弦性直接或间接影响三维测量的精度。根据正弦条纹的周期性和对称性等几何特征,以计算机产生的标准正弦条纹单个周期作为编码对象,提出一种“S”型路径误差扩散的二元编码方法。整个正弦结构光模板通过周期性复制编码单元来实现,再通过高分辨率光刻技术加工制作在镀铬玻璃基板表面上。模板调制照明光源后,表征二元编码特征的高频信息直接被投影光学系统滤波,而表征正弦条纹信息的低频信息得以保留,从而实现正弦结构光场。最后建立光学系统的光学传递特性模型,对其固有的低通滤波机制进行解释。通过计算机模拟和实验进行验证,结果表明提出的正弦结构光场编码方法和制作工艺具有可行性。

提出一种基于引导图像和自适应支持域的局部立体匹配算法。首先对校正后的输入图像进行预处理得到引导图像;在匹配代价计算阶段,提出一种梯度计算方法,结合引导图像和输入图像的梯度信息,分别计算x和y方向的梯度,再与AD(absolute difference)和Census变换融合构建匹配代价计算函数;在代价聚合阶段,使用基于自适应支持域的导向滤波;在视差细化阶段,提出一套基于自适应支持域的多步细化方法,通过该方法得到最终的视差图。实验结果表明,视差细化后全部区域的平均误差和方均根误差平均减少43.7%和38%,非遮挡区域平均减少33.7%和30.9%,所提算法具有较好的鲁棒性并能获得精度较高的视差结果。